Słownik AI
Zero-shot (bez przykładów)
zero-shot learning, zero shot, bez przykładów
Zero-shot to sposób polecenia, w którym prosisz model o wykonanie zadania, nie pokazując ani jednego rozwiązanego przykładu — opierasz się wyłącznie na samej instrukcji i wiedzy modelu z treningu.
- W prompcie nie ma żadnego rozwiązanego przykładu — tylko opis zadania.
- Działa, gdy zadanie jest typowe, a model widział podobne dane w treningu.
- Gdy wynik bywa niestabilny lub źle sformatowany, przechodzi się do few-shot.
Zero-shot to najprostszy tryb pracy z modelem: formułujesz polecenie słowami i oczekujesz poprawnej odpowiedzi, nie dołączając ani jednego rozwiązanego przykładu. Model opiera się wyłącznie na instrukcji oraz na tym, czego nauczył się podczas treningu. Sprawdza się przy zadaniach typowych i dobrze opisanych — klasyfikacji, streszczeniu, prostym wyciąganiu danych.
Różnica względem few-shot jest jedna i konkretna: tam w poleceniu pokazujesz kilka par wejście-wyjście, tu nie pokazujesz żadnej. Oba podejścia to formy uczenia w kontekście — model dostosowuje się w obrębie jednego zapytania, bez zmiany swoich wag. Zero-shot nie wymaga więc miejsca na przykłady, ale daje mniejszą kontrolę nad formatem odpowiedzi.
We wdrożeniach zero-shot jest punktem wyjścia, bo jest najtańszy i najszybszy do uruchomienia. Jeśli model myli format, gubi krawędziowe przypadki albo odpowiada niestabilnie, dokłada się przykłady (few-shot) lub precyzuje instrukcję w ramach inżynierii promptów. Dopiero gdy to nie wystarcza, rozważa się dotrenowanie modelu.
Powiązane pojęcia